Aero-engine fault diagnosis applying new fast support vector algorithm

A new fast learning algorithm was presented to solve the large-scale support vector machine ( SVM ) training problem of aero-engine fault diagnosis.The relative boundary vectors ( RBVs ) instead of all the original training samples were used for the training of the binary SVM fault classifiers.This pruning strategy decreased the number of final training sample significantly and can keep classification accuracy almost invariable.Accordingly , the training time was shortened to 1 / 20compared with basic SVM classifier.Meanwhile , owing to the reduction of support vector number , the classification time was also reduced.When sample aliasing existed , the aliasing sample points which were not of the same class were eliminated before the relative boundary vectors were computed.Besides , the samples near the relative boundary vectors were selected for SVM training in order to prevent the loss of some key sample points resulted from aliasing.This can improve classification accuracy effectively.A simulation example to classify 5classes of combination fault of aero-engine gas path components was finished and the total fault classification accuracy reached 96.1%.Simulation results show that this fast learning algorithm is effective , reliable and easy to be implemented for engineering application.     

基于研制信息的测试性验证试验方案研究

针对现有测试性验证试验方案需要较大故障样本量的问题,提出了一种利用研制信息制定测试性验证试验方案的新方法。首先,在二项分布经典抽样模型的基础上,运用证据理论方法,研究了基于测试性试验数据、测试性预计结果和专家经验等研制信息的基本信任分配函数的构造方法,建立了基于融合不同种类研制信息的测试性验证试验方案,并确定了该方案的存在性,给出了方案的确定方法,最后开展了案例应用研究。由于充分考虑了研制信息,因此在确保有较好的验证效果的条件下,与传统的试验方案相比,该方法可以明显减少故障样本量,或在样本量保持不变的情况下有效降低双方风险。     

复合材料防弹板性能小样本分析

二维配对升降法小样本统计分析方法可在较少的试验量下,获得高可靠度的结果.在靶试数据基础上运用该统计方法,推导出三种复合材料防弹板在确定置信度和一定穿透率下的临界穿透速度、最小全穿透速度和最大不穿透速度,以及一定未穿透概率下的临界面密度.得到三种防弹板的穿透率—着速关系曲线.      

基于BP网络星图识别的样本构造方法

星敏感器是一种高精度的姿态敏感测量系统，如何确定星敏感器上像点在摄影时刻所对应的恒星，即星图识别，是姿态测量的关键。本文根据星图识别问题本身的特点和神经网络技术的特性，提出了基于BP网络星图识别方法的一种可以兼顾性能和效率、利于实现的样本构造方法。     

利用试验数据的产品可靠性综合验证方案确定方法

常用抽样检验的方法进行产品可靠性验证,根据这一方法所确定的验证试验方案,在一定的风险下所需样本量较大,有时在工程上是不可接受的。针对这一问题,提出利用产品研制期间的试验数据,重新确定抽样方案,从而减少验证试验所需样本量或降低风险。由于这种方法充分利用了产品研制期间的试验信息,因此在保证有较好的验证效果的条件下,与传统的验证方案相比,可以减少试验样本量,降低风险。     

粉末冶金镍基高温合金FGH96高温疲劳寿命分散性特征

通过宽载荷水平大子样试验研究了缺陷对粉末冶金镍基高温合金FGH96的疲劳寿命分散性的影响,获得FGH96在宽载荷水平下的疲劳寿命分布特征.通过扫描电镜对疲劳失效断口进行统计分析,揭示缺陷在不同载荷条件下的作用.结果表明:①FGH96中导致疲劳失效的缺陷主要为非金属夹杂;②在高应力水平下（1200,1100MPa）下,导致表面萌生裂纹的夹杂是最差疲劳寿命的主导因素,使得疲劳寿命分散性较大;③在中间应力水平（1000MPa）下,在材料内部萌生裂纹的夹杂并不影响疲劳寿命的分散性;④在低应力水平（900MPa）下,疲劳破坏均萌生于内部,在材料内部夹杂处萌生的裂纹并不影响疲劳寿命的分散性.因此,在高应力水平下的寿命预测需要考虑缺陷信息.      

变形温度及变形量对挤压态FGH96合金晶粒异常长大的影响

基于楔形试样等温锻造试验,采用Deform-3D模拟软件,模拟确定了楔形试样中不同位置的变形量,研究了不同变形温度和不同变形量对挤压态FGH96合金晶粒异常长大的影响。结果表明：在压下速率0.04 mm/s的平模镦粗试验条件下,挤压态 FGH96合金出晶粒异常长大的临界变形温度为1100℃,临界变形量为2%;1000~1070℃锻造变形时,合金不易发生晶粒异常长大,但也有“临界变形量”特征,变形量5%~10%区域晶粒平均直径最大;选择15%及以上的变形量,可以避免晶粒异常长大,并获得均匀细小的晶粒组织。     

基于序贯回归的小样本测试性验证试验方案

针对现有测试性验证试验方案难以实现较小样本量下满足置信水平要求的测试性评估问题,提出了基于序贯回归的小样本测试性验证试验方案。提出并证明了成败型试验序贯样本回归可行性假设;对序贯样本进行回归分析,实现了小样本下的测试性评估;建立了评估优化方案,实现了满足置信水平要求的测试性评估。实例验证表明:该方法可同时适用于有双方风险要求和置信水平要求的场合,且完所需样本量明显减少,在案例中平均减少了22.3%,最大减少了85%。      

基于混合验前分布的制导精度评定方法

如何合理有效地利用验前信息是小子样评定中的关键问题。针对导弹制导精度评定,提出了一种根据验前数据构造验前分布的方法,并结合验前信息可信度给出了一种混合验前分布。通过对参数验后估计的分析,该方法能够有效避免验前信息“淹没”现场信息的情况,而验前信息可信度则通过验后边缘分布得到。通过对验后估计均方差(MSE)的分析,给出了验前信息利用的一些基本原则,为工程应用提供了指导。     

测试性研制阶段数据评估验证方法

分析了现有测试性验证方法应用情况,阐述了测试性研制阶段数据评估验证方法的必要性。通过与现有测试性验证方法的对比分析,提出了一种新的测试性验证方法,并说明了该验证方法的含义和特点。该验证方法可用于故障检测率、故障隔离率和虚警率的验证。建立了该验证方法的工作框架,包括验证要求、验证程序、验证技术和验证组织。重点阐述了该验证方法的两种工作方式实施流程、适用的最小样本量范围、测试性数据收集表格和测试性数据判据。其中,测试性数据收集表格可以记录故障检测、故障隔离和虚警信息。进行了案例应用,给出了数据分析结果和经验总结。案例应用表明该方法能够达到测试性验证的效果。